10.3964/j.issn.1000-0593(2018)11-3414-06
中红外光谱的HFC水分含量和粘度测量
针对水-乙二醇抗燃液压液(HFC)目前常用的水分含量和粘度测量方法存在操作复杂,耗时长,测量成本较高等问题,研究了将中红外光谱分析法应用于HFC水分含量和粘度测量.以85个实际在用油样为样本集,采用传统的电量法和毛细管法分别测量水分含量和运动粘度;使用衰减全反射液体池(ATR)采集各样本的中红外光谱并进行光谱校正、背景扣除、Savitzky-Golay(SG)平滑处理和基线校正等预处理.水分含量测量模型构建过程中,利用学生化残差-杠杆值法寻找强影响点,判定为异常样本并加以剔除;利用马氏距离SPXY法划分建模样本集和验证样本集.根据Beer-Lambert定律,水分含量和红外光谱吸光度成正比,采用线性方法来构建水分含量和吸光度红外光谱之间的关系模型.同时为提高模型的鲁棒性和泛化能力需要消除光谱中的无用信息、冗余信息和噪声,因此采用后向间隔偏最小二乘法(BiPLS)进行水分含量测量特征谱区优选,并建立线性校正分析模型.结果表明剩余3 526～3 354,1 790～1 618,3 005～2 660和1 096～924 cm-1波段时获得最小的交叉验证均方根误差(RMSECV).特征波段优选结果可以理解为,根据3 526～3 354 cm-1波段预测HFC体系中所有OH的量,减去根据3 005～2 660和1 096～924 cm-1波段换算得到的乙二醇中的OH,进而计算得到水分含量,为进一步提高精度,将水中OH变角振动吸收峰对应的1 790～1 618 cm-1波段作为水分含量测量的辅助波段.利用独立验证样本进行模型检验,结果表明所建立的线性模型相关系数(r)为0.989 5,预测均方根误差(RMSEP)为0.405 2,满足HFC中水分含量测量精度需求.粘度测量模型构建过程中,利用马氏距离法寻找离群样本,判定为异常样本并加以剔除,利用马氏距离SPXY法进行建模样本集和验证样本集划分.粘度是一个与多重因素有复杂关系的理化指标,和红外光谱之间表现为非线性关系.基于主成分分析结合BP神经网络法(PCA-BPNN)构建非线性粘度校正分析模型,提取累积贡献率为95.12％的前10个主成分作为输入,测得的粘度值为输出,创建单隐层BP神经网络并进行训练,训练结果相关系数r为0.996 8.利用独立验证样本进行模型检验,结果表明所建立的非线性模型r为0.984 3,RMSEP为0.615 1,满足HFC粘度测量精度需求,且优于采用BiPLS线性模型获得的结果.确定了可用于HF℃中水分含量测量的四个中红外波段,可为窄带红外光谱分析法或其他类似研究提供依据.研究结果表明中红外光谱分析法结合BiPLS和PCA-BPNN分析法可分别应用于HFC水分含量和粘度测量,精度符合监测需求,为HFC中分含量和粘度测量提供了一种新的测试方法,相比于传统测量方法具有快速、无损、低成本的特点.
水-乙二醇抗燃液压液、中红外光谱、水分含量、粘度、后向间隔偏最小二乘、神经网络
38
TE626.3(石油、天然气加工工业)
国家自然科学基金青年科学基金项目11604388,41704034
2018-12-27（万方平台首次上网日期，不代表论文的发表时间）
共6页
3414-3419
